H. Instrument Penelitian
I. Uji Coba Instrumen
PGB + + +
I. Uji Coba Instrumen
Uji instrumen dimaksudkan untuk mengetahui validitas dan reliabilitas instrumen sehingga dapat dikatakan layak atau tidaknya instrumen tersebut digunakan dalam penelitian. Apabila instrumen telah diuji validitas dan reliabilitasnya, maka instrumen sah digunakan untuk mengumpulkan data dalam penelitian. Uji coba instrumen dilakukan dengan 30 responden. Peserta didik yang menjadi responden uji coba adalah peserta didik kelas XI SMK Negeri 1 Bantul. Uji coba pada sekolah yang sama. Namun, tidak termasuk dalam sampel penelitian dan memiliki kharakteristik yang sama dengan responden penelitian untuk pengambilan data angket/kuesioner. Uji coba dilakukan untuk mengetahui angket tersebut valid dan reliabel.
1. Uji Validitas Instrumen
Validitas berkenaan dengan ketepatan alat ukur terhadap konsep yang diukur, sehingga betul-betul mengukur apa yang seharusnya diukur. Validitas suatu instrument penelitian, tidak lain adalah derajat yang menunjukkan dimana suatu tes mengukur apa yang hendak diukur. Menurut Gay dalam Sukardi ( 2014:121)pengukuran
68
kevalidan item meliputi validitas isi (content validity) dan validitas konstruk (construct validity).
a. Validitas isi
Menurut Kerlinger dan Lee (2000:167) Validitas isi adalah keterwakilan isi, substansi, materi, dan topik dari instrumen pengukuran. Validitas isi dilakukan dengan analisis rasional dengan cara mengkonsultasikan kepada penimbang ahli (expert judgement) yaitu Tejo Nurseto, M.pd. sebagai ahli kewirausahaan. b. Validitas Konstruk
Setelah instrumen dinyatakan valid oleh penimbang ahli kemudian angket diuji secara konstruk dengan cara diujicobakan kepada 30 peserta didik. Uji coba validitas kontruk diujicobakan diluar sampel yaitu kelas XI SMK Negeri 1 Bantul. Menurut Sugiyono (2016:188-189), suatu item butir soal dikatakan valid jika memenuhi syarat minimum yaitu rxy= 0,3. Jadi jika korelasi antar butir dengan skor total kurang dari 0,3, maka butir dalam instrumen tersebut dinyatakan tidak valid, sebaliknya jika koefisien korelasi sama dengan atau lebih dari 0,3 maka butir instrument dikatakan valid.
Butir pernyataan valid digunakan sebagai instrument penelitian, sedangkan butir pertanyaan yang dinyatakan tidak valid, tidak digunakan dalam instrument penelitian. Menurut Muhson (2015:58) butir yang dikatakan valid dapat dilihat pada kolom Corrected item total correlation. Berikut ini hasil uji
69
validitas untuk variabel minat berwirausaha dan lingkungan keluarga :
1) Uji Validitas Instrumen Minat Berwirausaha
Instrumen variabel Minat Berwirausaha dikembangkan menjadi 13 butir pernyataan. Uji coba dilakukan kepada 30 responden. Dari hasil uji validitas yang dilakukan terdapat 3 butir yang dinyatakan tidak valid dan 10 valid. Hasil uji validitas dapat dilihat pada tabel 11 berikut ini :
Tabel 11
Hasil Uji Validitas Minat Berwirausaha No. Item Corrected Item-Total Correlation (r hitung) r Tabel Keterangan b1 0,620 0,3 Valid b2 0,348 0,3 Valid b3 0,022 0,3 Tidak Valid b4 0,468 0,3 Valid b5 0,196 0,3 Tidak Valid b6 0,096 0,3 Tidak Valid b7 0,432 0,3 Valid b8 0,550 0,3 Valid b9 0,522 0,3 Valid b10 0,335 0,3 Valid b11 0,732 0,3 Valid b12 0,475 0,3 Valid b13 0,666 0,3 Valid
Sumber : data primer diolah 2017
2) Uji Validitas Instrumen Lingkungan Keluarga
Instrumen variabel lingkungan keluarga dikembangkan menjadi 17 butir pernyataan. Uji coba dilakukan kepada 30 responden. Dari hasil uji validitas yang dilakukan terdapat 2 butir yang dinyatakan tidak valid dan 15 valid. Hasil uji validitas dapat dilihat pada tabel 12 berikut ini :
70
Tabel 12
Hasil Uji Validitas Lingkungan Keluarga No. Item Corrected Item-Total Correlation (r hitung) r Tabel Keterangan b14 0,594 0,3 Valid b15 0,597 0,3 Valid b16 0,318 0,3 Valid b17 0,470 0,3 Valid b18 0,729 0,3 Valid b19 0,484 0,3 Valid b20 0,455 0,3 Valid b21 0,563 0,3 Valid b22 0,322 0,3 Valid b23 0,165 0,3 Tidak Valid b24 0,631 0,3 Valid b25 0,702 0,3 Valid b26 0,561 0,3 Valid b27 0,524 0,3 Valid b28 0,410 0,3 Valid b29 0,507 0,3 Valid b30 0,177 0,3 Tidak Valid
Sumber : data primer diolah 2017 2. Uji Reliabilitas Instrumen
Reliabilitas sama dengan konsistensi atau keajegan. Suatu instrumen penelitian dikatakan mempunyai nilai raliabilitas yang tinggi, apabila tes yang dibuat mempunyai hasil yang konsisten dalam mengukur yang hendak diukur. Hal ini berarti semakin reliabel suatu tes memiliki persyaratan maka semakin yakin kita dapat menyatakan bahwa dalam hasil suatu tes mempunyai hasil yang sama ketika dilakukan tes kembali. Menurut Arikunto (2010:221) uji reliabilitas menunjukkan pada satu pengertian bahwa sesuatu instrumen cukup dapat dipercaya untuk digunakan sebagai alat pengumpul data karena instrumen tersebut sudah baik. Menurut Arikunto (2010:239) cara untuk menguji reliabilitas instrumen angket
71
digunakan teknik Alpha Cronbach. Pada penelitian ini untuk menginterpretasikan hasil uji coba instrumen menggunakan pedoman sebagai berikut :
Tabel 13
Pedoman Hasil Uji Coba Reliabilitas
Besarnya nilai Alpha Cronbach Interprestasi Antara 0,800 sampai dengan 1.00 Sangat Tinggi Antara 0,600 sampai dengan 0.799 Tinggi Antara 0,0400 sampai dengan 0.599 Cukup Antara 0,200 sampai dengan 0.399 Rendah Antara 0,000 sampai dengan 0.199 sangat rendah Sumber: Sugiyono (2016: 177)
Dalam penelitian ini Menurut Muhson (2015:57) Uji coba reliabilitas dihitung dengan menggunakan koefisien Alpha Cronbach dimana reliabel jika memenuhi nilai Alpha Cronbach > 0,70. Berikut ini tabel 14 hasil uji coba reliabilitas variabel minat berwirausaha dan lingkungan keluarga :
Tabel 14
Hasil Uji Coba Reliabilitas
No Variabel Alpha Cronbach Keterangan
1 minat berwirausaha 0,775 reliabel
2 lingkungan keluarga 0,863 reliabel
Sumber : Data Primer diolah 2017 I. Teknik Analisis Data
1. Analisis Deskriptif
Menurut Sugiyono (2016:208) analisis deskriptif bertujuan untuk mendeskripsikan atau menjelaskan tentang gambaran yang diteliti melalui data sampel tanpa melakukan analisis dan membuat kesimpulan yang berlaku umum. Analisis statistika deskriptif meliputi rata-rata (mean), standar deviasi, median (Me), modus (Mo), nilai maksimum dan nilai minimum.
72
a. Rata-Rata (Mean)
Nilai rata-rata kemudian hasilnya dibandingkan dengan kurva normal ideal. Menurut lind dan marchal (2007:61) Mean (M) merupakan nilai rata-rata yang dihitung dengan cara menjumlahkan semua nilai yang ada dan membagi total nilai tersebut dengan banyaknya sampel. = ��� Keterangan ��� = jumlah skor n = jumlah subyek b. Standar Deviasi
Menurut Lind dan Marchal (2007:67) standar deviasi ini merupakan ukuran variasi yang paling banyak digunakan, karena nilainya paling memenuhi kriteria statistika. Standar deviasi adalah akar kuadrat dari variansi. Variansi dicari dengan menghitung selisih dari setiap elemen data dengan rata-rata. Standar deviasi dibagi menjadi standar deviasi populasi (σ) dan standar deviasi sampel (S). standar deviasi sampel (S) digunakan sebagai estimator standar deviasi populasi. Dalam penelitian ini menggunakan standar deviasi sampel. Berikut ini merupakan standar deviasi sampel :
= √� � − �̅− Keterangan
S = standar deviasi sampel
73
�̅ = rata – rata sampel
= banyaknya pengamatan pada sampel c. Median
Menurut lind dan marchal (2007:67) median titik tengah dari sejumlah nilai setelah nilai setelah nilai tersebut diurutkan dari yang terkecil hingga yang terbesar atau dari yang terbesar hingga terkecil. Sifat – sifat utama dari median adalah median tidak terpengaruh oleh nilai yang sangat besar atau sangat kecil dan median dapat dihitung untuk data tingkat ordinal atau yang lebih tinggi.
= + [ − ]
Keterangan = median
b = Batas bawah kelas median p = Panjang kelas median n = Banyaknya data (subyek)
F = Jumlah semua frekuensi sebelum kelas median = Frekuensi kelas median
d. Modus
Menurut Lind dan Marchal (2007:67) Modus (Mo) merupakan nilai pengamatan yang paling sering muncul. Perhitungan modus menggunakan rumus :
= + [ + ] Keterangan
Mo = Modus
b = batas kelas inteval dengan frekuensi terbanyak p = panjang kelas interval
b1 = frekuensi pada kelas modus (frekuensi pada kelas interval yang terbanyak ) dikurangi frekuensi kelas interval terdekat sebelumnya)
74
b2 = frekuensi kelas modus dikurangi frekuensi kelas iterval berikutnya
Perhitungan mencari nilai kecenderungan variabel minat berwirausaha, lingkungan keluarga, prestasi belajar mata pelajaran prakarya dan kewirausahaan, dan keaktifan peserta didik dalam business center menggunakan kategori Sudjono (2012: 329) batasan-batasan sebagai:
Sangat tinggi = ̅> Mi + 1,5 SDi
Tinggi = ( Mi + 0,5SDi) < ̅ (Mi + 1,5 SDi) Sedang = (Mi - 0,5 SDi) < ̅ Mi + 0,5SDi) Rendah = (Mi - 1,5 SDi) < ̅ Mi - 0,5SDi) Sangat rendah = ̅ Mi - 1,5 SDi)
Dimana :
Mi= � � � � � + � � � � � SDi= � � � � � − � � � � � 2. Uji Asumsi Klasik
Uji asumsi klasik yang dilakukan dalam penelitian ini bertujuan menguji data - data yang digunakan dalam penelitian ini apakah telah memenuhi asumsi klasik. Persyaratan yang harus dipenuhi untuk regresi linier berganda meliputi uji normalitas, uji linearitas, uji multikolinearitas, dan uji heteroskedastisitas.
a. Uji Normalitas
Menurut Muhson (2005: 57-58)Uji normalitas ini digunakan untuk mengetahui apakah data yang akan dianalisis tersebut berdistribusi normal atau tidak. Jika data tidak berdistribusi normal maka tidak
75
dapat menggunakan analisis parametrik sebagai alat analisisnya, akan tetapi disarankan untuk menggunakan alat analisis nonparametrik. Pada penelitian ini uji normalitas akan diuji dengan pembuatan histogram dan grafik normal probability plot.
Menurut Yamin (2011:32), pengambilan keputusan bahwa suatu data berdistribusi normal jika memiliki bentuk histogram seperti bel. Histogram dan grafik normal probability plot dapat dilihat dilampiran. Selain itu, digunakan juga perhitungan ratio skewness untuk memperkuat keputusan. Menurut Hartono (2010:42) jika nilai ratio skewness berada pada rentang -2 sampai dengan 2 sehingga data berdistribusi normal. Berikut ini tabel 15 perhitungan ratio skewness:
Tabel 15
Perhitungan Ratio Skewness No Variabel Skewness Std.Eror
Skewness Ratio Skewness Keterangan 1. Y -0,239 0,170 -1,41 Normal 2. X1 -0,229 0,170 -1,35 Normal 3. X2 0,271 0,170 1,59 Normal 4. X3 -0,295 0,170 -1,74 Normal
Sumber: data primer dan sekunder diolah 2017
Pada tabel 15 ratio skewness Y sebesar -1,417, X1 sebesar -1,35, X2 sebesar 1,59, dan X3 sebesar -1,74sehingga variabel Y, X1, X2, dan X3 normal. Hal itu dikarenakan ratio skewness berada pada rentang -2 sampai dengan 2 sehingga data berdistribusi normal.
b. Uji Linieritas
Menurut Nisfiannoor (2009:92) uji linearitas dilakukan untuk mengetahui apakah hubungan antara variabel independent dengan variabel dependen bersifat linear (garis lurus). Kriteria yang
76
digunakan dalam menentukan hubungan linear antar variabel adalah dengan menggunakan harga koefisien signifikansi. Uji linieritas dapat di lihat pada tabel 16 untuk kolom hasil uji F pada baris deviation from linearity. Menurut Muhson (2015: 38) Jika nilai sig F kurang dari 0,05 maka hubungannya tidak linier, sedangkan jika nilai sig F lebih dari atau sama dengan 0.05 maka hubungannya bersifat linier. Berikut ini hasil pengujian linieritas dapat dilihat pada tabel 16.
Tabel 16
Hasil Uji linieritas
No Variabel F Sig Keterangan
1. X1 terhadap Y 1,222 0,215 linier
2. X2 terhadap Y 1,821 0,053 linier
3. X3 terhadap Y 0,669 0,898 linier
Sumber: data primer dan sekunder diolah 2017
Berdasarkan tabel 16 semua nilai sig. F lebih dari 0,05, maka dapat disimpulkan bahwa semua variabel bebas terhadap variabel terikat memiliki hubungan yang linier.
c. Uji Multikolinearitas
Menurut Priyanto (2013:59) multikolinearitas adalah keadaan dimana antara dua variabel independent atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna. Menurut Janie (2012:19) bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independen. Jika antar variabel bebas terjadi multikolinieritas sempurna, maka koefisien regresi variabel bebas tidak dapat ditentukan dan nilai standard eror tinggi berarti nilai koefisien regresi
77
tidak dapat diestimasi dengan tepat. Model regresi yang baik adalah yang tidak terjadi multikolinieritas.
Menurut Priyanto (2013:60) Agar mendeteksi ada tidaknya multikolinearitas dengan melihat nilai tolerance dan VIF. Semakin kecil nilai tolerance dan semakin besar VIF maka semakin mendekati terjadinya masalah multikolinearitas. Menurut Priyatno (2013:61) kriteria pengambilan keputusan dalam uji multikolinieritas adalah sebagai berikut:
1) Nilai tolerance lebih dari 0,2 dan nilai VIF kurang dari 5 maka tidak terjadi multikolinieritas.
2) Nilai tolerance kurang dari 0,2 dan nilai VIF lebih dari 5 maka terjadi multikolinieritas
Berikut ini hasil uji multikolinieritas dapat dilihat pada tabel 17. Tabel 17
Hasil Uji Multikolinieritas No Variabel Tolerance VIF Keterangan
1. X1 0,300 3,328 Tidak
Multikolinieritas
2. X2 0,388 2,574
3. X3 0,308 3,242
Sumber: data primer dan sekunder diolah 2017
Berdasarkan tabel 17 semua lebih dari 0,2 dan nilai VIF kurang 5, maka dapat disimpulkan bahwa semua variabel bebas tidak multikolinieritas. Apabila terdapat unsur mulitikolinearitas dalam data dengan derajat yang bisa ditolerir, beberapa pakar menyarankan agar membuang saja variabel yang mengandung unsur multikolinearitas tersebut tidak begitu penting dalam model.
78
d. Uji Heteroskedastisitas
Menurut Priyanto (2013:60) heteoredasitisitas adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada model regresi. Model regresi yang baik mensyaratkan tidak adanya masalah heteoredasitisitas. Heteoredasitisitas menyebabkan penaksir atau estimator menjadi tidak efisien dan nilai koefisien determinasi akan menjadi sangat tinggi. Uji Heteroskedastisitas dalam penelitian ini menggunakan uji Spearman’s rho. Dalam uji ini yang perlu ditafsirkan hanyalah bagian koefisien korelasi Spearman’s rho antara variabel independen dengan absolut residu. Menurut Muhson (2015:52) Jika nilai sig < 0,05 maka tidak terjadi homoskedastisitas, jika sebaliknya maka terjadi homoskedastisitas. Hasil uji dapat dilihat pada tabel 18.
Tabel 18
Hasil Uji Heteoredasitisitas No Variabel Spearman’s rho Sig Keterangan 1. X1 -0,082 0,240 terjadi homoskedastisitas/ tidak terjadi heterokedesitas 2. X2 -0,020 0,772 3. X3 -0,073 0,097
Sumber: data primer dan sekunder diolah 2017
Berdasarkan hasil uji homoskedastisitas pada tabel 18 nilai korelasi
Spearman’s rho ketiga variabel independen dengan Unstandardized
Residual memiliki nilai signifikansi lebih dari 0,05. Oleh karena itu, signifikansi lebih dari 0,05 maka dapat disimpulkan bahwa terjadi homoskedastisitas atau tidak terjadi masalah heteroskedastisitas pada model regresi.
79
3. Analisis Data
a. Mencari Persamaan Garis Regresi Tiga Prediktor
Setelah uji asumsi klasik dilakukan, langkah selanjutnya adalah melakukan analisis regresi. Menurut Sugiyono (2016:275) Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependent (kriterium), bila dua atau lebih variabel independent sebagai faktor predikator dimanipulasi (dinaik turunkan nilainya). Jadi analisis ganda akan dilakukan bila jumlah variabel bebas minimal 2. Persamaan regresi yang digunakan adalah persamaan regresi linear berganda (multiple regression). Persamaan regresi linier berganda diformulasikan sebagai berikut:
= + � + � + � Keterangan
Y = Minat Berwirausaha a = bilangan konstanta
= koefisien regresi Lingkungan Keluarga
= koefisien regresi Prestasi Belajar Mata Pelajaran Prakarya dan Kewirausahaan
= koefisien regresi Keaktifan Peserta Didik dalam Business Center � = Lingkungan Keluarga
� = prestasi belajar mata pelajaran Prakarya dan Kewirausahaan � = Keaktifan Peserta didik dalam Business Center
b. Uji Simultan (Uji F )
Menurut Priyanto (2013:48) uji F atau uji regresi scara serentak yaitu untuk mengetahui pengaruh bebas secara serentak terhadap variabel dependent, apakah pengaruhnya signifikan atau tidak Menurut Ghozali (2011:98) Uji F pada dasarnya menunjukkan apakah semua
80
variabel independent/bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependent/terikat. agar mengetahui diterima atau tidaknya hipotesis maka F hitung dibandingkan dengan F tabel pada taraf signifikan 5%. Jika F hitung ≥ F tabel maka terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat secara bersama-sama dan hipotesis diterima, namun jika F hitung < F tabel maka tidak terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat secara bersama-sama dan hipotesis ditolak. Menurut Winarsunu ( 2006: 244) Adapun Langkah-langkah Uji F adalah:
1) Menentukan formulasi hipotesis nilai hitung dan hipotesis alternatif
Ho = tidak ada pengaruh antara variabel bebas dengan variabel terikat secara bersama-sama.
Ha = ada pengaruh yang signifikan antara variabel bebas dengan variabel terikat secara bersama-sama.
2) Menentukan tingkat signifikansi (α)
Tingkat signifikansi yang digunakan adalah 5% atau 0,05. 3) Menentukan kriteria pengujian
Ho diterima apabila Fhitung≤Ftabel Ho ditolak apabila Fhitung>Ftabel 4) Menghitung nilai F dengan rumus
) 1 /( ) 1 ( / 2 2 m N R m R F
81
Keterangan:
R2 = korelasi kuadrat (koefisien determinasi) m = jumlah variabel bebas
N = jumlah individu 5) Penafsiran
Fhitung>Ftabel maka Ho ditolak, berarti ada pengaruh yang signifikan antara variabel bebas dengan variabel terikat.
Fhitung≤Ftabel maka Ho diterima, berarti tidak ada pengaruh yang signifikan antara variabel bebas dengan variabel terikat.
c. Uji Parsial ( Uji t)
Uji t untuk mengetahui pengaruh variabel independent secara parsial terhadap variabel dependent. Adakah pengaruhnya signifikan atau tidak. Menurut Ghozali (2011:99) Kriteria pengambilan keputusan adalah bila jumlah degree of freedom (df) adalah 20 atau lebih dan derajat kepercayaan 5%, maka Ho ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain menerima Ha, yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependent.
d. Analisis Koefisien Determinasi ( )
Menurut Duwi Priyatno (2013: 56) analisis koefisien determinasi( ) digunakan untuk mengetahui seberapa besar persentase sumbangan pengaruh variabel independen secara serentak terhadap variabel dependent.
82
e. Mencari Sumbangan dari Variabel Bebas terhadap Variabel Terikat 1) Sumbangan Relatif
Menurut Winarsunu (2006:204) sumbangan relatif menunjukkan ukuran besarnya sumbangan suatu prediktor terhadap jumlah kuadrat regresi. Menurut Nurgiyantoro (2009: 321) agar mengetahui seberapa besar sumbangan relatif dari masing-masing prediktor digunakan rumus sebagai berikut:
SR % = � ∑ ��
� ∑ ��+� ∑ ��+� ∑ �� X 100%
Keterangan
SR = sumbangan relatif = koefisien predikator ∑ �= jumlah produk antara x dan y
2) Sumbangan efektif
Menurut Winarsunu (2006:204) sumbangan efektif merupakan ukuran sumbangan suatu prediktor terhadap keseluruhan efektivitas garis regresi yang digunakan sebagai dasar prediksi. Sumbangan efektif adalah sumbangan prediktor yang dihitung dari keseluruhan efektifitas regresi yang disebut sumbangan efektif regresi. Sumbangan efektif digunakan untuk mengetahui besarnya sumbangan secara efektif setiap prediktor terhadap kriterium dengan tetap memperhitungkan variabel independent lain yang tidak diteliti. Menurut Nurgiyantoro (2009:321) untuk mengetahui
83
besarnya sumbangan efektif dari masing-masing prediktor digunakan rumus sebagai berikut:
SE % = SR % X Keterangan :
SE = sumbangan efektif = koefisien determinasi
84
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN